[发明专利]一种陆地桥梁提取方法和系统

说明书

本发明公开了一种陆地桥梁提取方法及系统，该方法包括步骤获取桥梁原始点云数据；将原始点云数据去噪，获得第一点云数据；采用分散度法去除点云数据中散乱分布的植被点云，获得第二点云数据；根据植被点云与桥梁点云的颜色与高程特征的差异，运用颜色与高程特征对半径滤波算法进行改进，运用改进的半径滤波算法对第二点云数据中的所有植被点云进行滤除获得第三点云数据；计算第三点云数据的高程信息与法向信息，并通过构建的法向滤波模型，对第三点云数据中地面点云进行滤除，获得桥梁点云。本发明能够更准确的滤除植被与地面点云，提高了桥梁点云的提取完整度。

技术领域

本发明涉及建筑提取技术领域，具体涉及陆地桥梁提取方法和系统。

背景技术

桥梁是重要的建筑之一，桥梁的识别对全球定位系统数据获取、地图更新及桥梁建设辅助监督有重要意义；由于道路桥梁周围环境复杂，建筑、植被、道路绿化及光线照射生成的桥梁自身阴影对桥梁提取带来一定困难。

当前算法大都是基于聚类、统计、起伏变化、密度等特征进行目标点云的提取。基于强度信息和地形信息的滤波算法，运用渐进三角网滤波算法设置不同的构网优先级，但计算量较大，并不适用于处理大型点云。基于高程统计绘制地物点云的高程频率直方图确定植被高程阈值，剔除植被点云，该方法虽易于操作，但只适用于较平坦和植被点云高程较为统一的地区；采用密度空间聚类和统计滤波的点云去噪方法，其对于距离近且密度大的团状点云无法有效地去除；利用主成分分析法估计样点表面的法线方向提取建筑物表面，同时植被的边界也会被提取出，无法明确区分建筑物与植被。使用渐进式形态学滤波算法分割地面点与非地面点，但该方法对倾斜地面点云的分割效果不佳；利用高差信息和扫描线方向的二次导数来判断相邻点云是否连续，进而区分建筑物与植被，但粗壮的树干的表面也较为规则、连续，故无法准确区分。针对建筑物提取不完整问题，提出EXG(过绿指数)模型对植被点云进行滤除，但该颜色模型只适用于颜色区别明显的无人机点云，对颜色特征混合的点云并不适用；提出的基于点云均匀度的植被剔除方法，该方法可有效去除分布散乱的点云，但分布密集均匀的非目标点会被错误保留。

有鉴于此，亟需提供一种解决现有方法对建筑桥梁的提取完整度存在的问题，提出可更加精确、完整地提取桥梁的方法。

发明内容

为了解决上述技术问题，本发明所采用的技术方案是提供了一种陆地桥梁提取方法，包括以下步骤：

获取桥梁原始点云数据；将桥梁原始点云数据作为目标点云数据；并将目标点云数据去噪，获得第一点云数据；采用分散度法去除第一点云数据中散乱分布的植被点云，获得第二点云数据；根据植被点云与桥梁点云的颜色与高程特征的差异，运用颜色与高程特征对半径滤波算法进行改进，运用改进的半径滤波算法对第二点云数据中的所有植被点云进行滤除获得第三点云数据；计算第三点云数据的高程信息与法向信息，并通过构建的法向滤波模型，对第三点云数据中地面点云进行滤除，获得桥梁点云。

上述方法中，所述采用分散度法去除第一点云数据中散乱分布的植被点云，获得第二点云数据具体包括以下步骤：

根据第一点云数据构建KD-Tree，建立点云的拓扑关系，并构建点云中所有点的k邻域；

任选其中一个k邻域，计算该邻域x,y,z三个方向上的最大坐标差，以其为边长构建最大包围体，并计算出体积为V_max；

再计算x,y,z三个方向上各自的坐标差并分别作为最小包围体的长、宽、高，并计算出体积为V_min；

令D为最小包围体与最大包围体的体积之比；根据统计法得到滤除阈值α，若D＞α，则认为该点是植被点，滤除；若Dα，则认为该点是非植被点，则保留；

重复上述步骤，直至第一点云数据中所有点云都处理完毕，即完成第一点云数据中散乱植被点云的滤除操作，获得第二点云数据。